(19)国家知识产权局
(12)发明 专利申请
(10)申请公布号
(43)申请公布日
(21)申请 号 20221040725 3.5
(22)申请日 2022.04.19
(71)申请人 国网江苏省电力有限公司电力科 学
研究院
地址 210000 江苏省南京市江宁区帕威尔
路1号
申请人 国网江苏省电力有限公司
江苏省电力试验研究院有限公司
(72)发明人 姚楠 王真 刘子全 朱雪琼
秦剑华 薛海 高超 吴奇伟
路永玲
(74)专利代理 机构 南京纵横知识产权代理有限
公司 32224
专利代理师 范青青(51)Int.Cl.
G06V 20/10(2022.01)
G06V 10/30(2022.01)
G06V 10/40(2022.01)
G06V 10/774(2022.01)
G06V 10/80(2022.01)
G06V 10/82(2022.01)
G06N 3/04(2006.01)
G06N 3/08(2006.01)
(54)发明名称
一种电网输电环 境观测图像去噪方法、 终端
及存储介质
(57)摘要
本发明公开了一种电网输电环境观测图像
去噪方法、 终端及存储介质, 所述方法包括: 采集
电网输电环 境的观测图像, 并对观测图像进行预
处理; 将预处理后的观测图像输入至去噪数学优
化模型, 并利用交替方向乘子算法对 所述去噪数
学优化模型进行循环迭代求解, 直至满足迭代终
止条件, 得到去噪后的目标图像; 其中, 所述去噪
数学优化模型是通过将预构建的基于先验驱动
的深度卷积神经网络去噪器, 嵌入至根据去噪算
法搭建的深度卷积神经网络中获取的。 本发明有
效地利用了输电环境下观测图像的多尺度冗余
性, 设计了深度卷积神经网络去噪器, 并将其嵌
入到深度卷积神经网络中, 具有更高的准确性和
鲁棒性, 能在电网输电环境下实现优异的去噪效
果。
权利要求书2页 说明书6页 附图1页
CN 114972981 A
2022.08.30
CN 114972981 A
1.一种电网输电环境观测图像去噪方法, 其特 征在于, 所述方法包括:
采集电网输电环境的观测图像, 并对观测图像进行 预处理;
将预处理后的观测图像输入至去噪数学优化模型, 并利用交替方向乘子算法对所述去
噪数学优化模型进行循环迭代求 解, 直至满足迭代终止条件, 得到去噪后的目标图像;
其中, 所述去噪数学优化模型是通过将预构建的基于先验驱动的深度 卷积神经网络去
噪器, 嵌入至根据去噪算法搭建的深度卷积神经网络中获取的。
2.根据权利要求1所述的电网输电环境观测图像去噪方法, 其特征在于, 对观测图像进
行预处理的方法包括:
对所述观测图像进行RGB转换并进行0~ 255的归一化处理。
3.根据权利要求1或2所述的 电网输电环境观测图像去噪方法, 其特征在于, 所述去噪
数学优化模型的目标函数表达式为:
其中, x表示目标图像; y表示观测图像; A表示与成像/退化系统相关的退化矩阵; λ为参
数; J(x)表示与X的先验信息P(x)相关的正则化子; X表示目标图像矩阵。
4.根据权利要求1所述的电网输电环境观测图像去噪方法, 其特征在于, 基于先验驱动
的深度卷积神经网络去噪器包括:
特征提取单元: 用于对所输入的图像进行编码及下采样提取 特征, 获取特征地图;
图像重建单元: 用于对特征地图进行解码及下采样, 并将在编码 阶段生成的具有相同
空间分辨 率的特征映射与在解码阶段生成的上采样特 征映射进行融合, 以获取重建图像。
5.根据权利要求4所述的电网输电环境观测图像去噪方法, 其特征在于, 所述特征提取
单元包括一系列卷积层, 卷积层被分为多个特征编码块, 每个特征编码块包含四个具有
ReLU非线性和 3×3核的卷积层, 通过特征编码块的四个卷积层生成64通道特征映射; 特征
编码块之后连接下采样层, 在下采样层中通过缩放因子沿两个轴对特征地图进行子采样,
以降低特 征地图的空间分辨 率。
6.根据权利要求4或5所述的 电网输电环境观测图像去噪方法, 其特征在于, 所述图像
重建单元包括一系列卷积层, 卷积层被分为四个特征解码块, 每个特征解码块由五个卷积
层组成, 第一层使用1 ×1kernels和ReLU功能将特征地图的数量从128减少到64, 以下四层
使用3×3kernels和ReLU非线性生成64通道特征图; 由反褶积层使用比例因子2进行上采
样; 输出图像通过尺寸 为3×3的滤波器从64 通道特征图进行重建。
7.根据权利要求1所述的电网输电环境观测图像去噪方法, 其特征在于, 所述深度 卷积
神经网络去噪器采用均方误差的损耗 函数和ADAM优化器训练获取。
8.根据权利要求3所述的电网输电环境观测图像去噪方法, 其特征在于, 利用交替方向
乘子算法对所述去噪数 学优化模型进行循环迭代求 解的方法包括:
步骤a: 引入辅助变量v, 将目标函数改写为:
步骤b: 使用ADM M技巧将上述同等约束优化问题转 化为两个子问题:权 利 要 求 书 1/2 页
2
CN 114972981 A
2其中, u(t+1)=u(t)+ρ(x(t+1)‑v(t+1))是算法引入的辅助变量; 上角标t表示迭代次序, x(t)
代表第t次迭代时x变量的实时值; μ、 ρ 、 λ代 表权重; J(v)代 表v的先验信息;
步骤c: 用封闭形式求解x子问题, x(t+1)=W‑1b, W为与退化矩阵A相关的矩阵, b为与拍摄
传感器相关的模糊核;
步骤d: 使用迭代经典共 轭梯度算法计算x(t+1)的非精确解:
式中:
通过预计算
计算x(t)的更新; AT代表A的转置; δ是控制步
长的参数; η为权 重参数;
步骤e: 交替更新x和v直到收敛。
9.一种终端, 其特 征在于, 包括处 理器及存 储介质;
所述存储介质用于存 储指令;
所述处理器用于根据所述指令进行操作以执行根据权利要求1~8任一项所述方法的
步骤。
10.计算机可读存储介质, 其上存储有计算机程序, 其特征在于, 该程序被处理器执行
时实现权利要求1~8任一项所述方法的步骤。权 利 要 求 书 2/2 页
3
CN 114972981 A
3
专利 一种电网输电环境观测图像去噪方法、终端及存储介质
安全报告 >
其他 >
文档预览
中文文档
10 页
50 下载
1000 浏览
0 评论
309 收藏
3.0分
温馨提示:本文档共10页,可预览 3 页,如浏览全部内容或当前文档出现乱码,可开通会员下载原始文档
本文档由 人生无常 于 2024-03-18 07:35:07上传分享